Từ Alignment đến Prompt: Bài học từ AI cho thiết kế tương tác trong blockchain
Tôi nhớ một lần, vào giữa năm 2023, khi đang thử nghiệm một giao thức DeFi mới, tôi gặp phải một lỗi giao dịch kỳ lạ. Tôi đã nhập đúng địa chỉ, đúng số lượng, nhưng giao dịch bị revert với thông báo lỗi khó hiểu. Sau nhiều giờ mò mẫm, tôi nhận ra mình đã không đặt đúng slippage tolerance – một con số nhỏ xíu trong ô input. Chỉ vì thiếu một dòng hướng dẫn, tôi mất phí gas và thời gian. Cảm giác ấy giống hệt lần đầu tôi ngồi trước một mô hình ngôn ngữ lớn, hỏi một câu mơ hồ và nhận về một đống chữ vô nghĩa. Đó là lúc tôi nhận ra: cả trong AI lẫn trong blockchain, cách chúng ta “nói” với hệ thống quyết định mọi thứ.
Bài viết gần đây tôi đọc về “Từ Alignment đến Prompt: Lao động ẩn trong thiết kế tương tác của mô hình ngôn ngữ lớn” đã kéo tôi trở lại suy nghĩ đó. Tác giả – một nghiên cứu sinh tại Đại học Bắc Kinh – lập luận rằng Prompt design không chỉ là kỹ thuật, mà là một dạng “lao động ẩn” mà người dùng phải thực hiện để làm cho mô hình hiểu đúng ý mình. Ông dẫn dắt từ cơ chế RLHF (Reinforcement Learning from Human Feedback) – cách mà các nhà phát triển huấn luyện mô hình ưu tiên những câu trả lời “tốt” theo đánh giá của con người – đến thực tế rằng ở giai đoạn suy luận, chính người dùng mới là người tiếp tục công việc “alignment” đó thông qua từng câu lệnh.
Tôi đọc và thấy một sự tương đồng kỳ lạ với thế giới blockchain. Trong hệ sinh thái phi tập trung, người dùng cũng phải đối mặt với một “giao diện” đầy thách thức – không phải là hộp thoại văn bản, mà là các tham số giao dịch, địa chỉ hợp đồng, gas limit, nonce, signature… Mỗi lần tương tác với một smart contract, người dùng đang thực hiện một dạng “Prompt design” cho blockchain: họ phải dịch nhu cầu của mình thành một cấu trúc dữ liệu chính xác mà máy ảo EVM có thể hiểu. Sai một ký tự, mất toàn bộ tài sản. Không có “sorry, tôi không hiểu”.
Hãy nhìn vào cơ chế của RLHF. Nó gồm ba bước: đầu tiên, mô hình được fine-tune với dữ liệu có hướng dẫn; sau đó, các annotator xếp hạng các câu trả lời để xây dựng reward model; cuối cùng, thuật toán PPO (Proximal Policy Optimization) cập nhật trọng số mô hình để tối đa hóa reward. Kết quả là mô hình học được “sở thích” của con người – ưu tiên câu trả lời chi tiết, trung thực, ít độc hại. Nhưng điều quan trọng là: quá trình alignment này chỉ diễn ra một lần, ở phía nhà phát triển. Khi mô hình được deploy, người dùng không thể thay đổi reward model nữa. Họ chỉ có thể điều chỉnh cách họ đặt câu hỏi – tức là Prompt.
Trong blockchain, câu chuyện cũng tương tự. Các giao thức DeFi – như Uniswap, Aave, Compound – đều được xây dựng với một bộ quy tắc cứng nhắc được mã hóa trong smart contract. Đó là “alignment” từ phía nhà phát triển: họ quyết định logic swap, lãi suất, thanh lý. Người dùng không thể thay đổi logic đó. Nhưng họ có thể “Prompt” giao thức bằng cách chọn pool, đặt slippage, ký message. Mỗi lần gửi giao dịch là một lần họ thiết kế một “Prompt” cho blockchain. Và giống như với mô hình ngôn ngữ, chất lượng của “Prompt” quyết định chất lượng kết quả.
Tôi từng chứng kiến một người bạn mất 2 ETH vì không set đúng deadline trong một giao dịch swap trên Uniswap V3. Anh ấy chỉ việc copy địa chỉ token từ một nguồn không đáng tin, nhập số lượng, và nhấn “Swap”. Giao dịch thành công, nhưng token nhận được là một scam token giả mạo. Nếu anh ấy dành 30 giây để kiểm tra địa chỉ trong block explorer, hoặc dùng một công cụ như Token Sniffer, mọi chuyện đã khác. Đó là một “Prompt” tồi – thiếu bước verification, thiếu context. Cũng giống như hỏi mô hình ngôn ngữ “giải thích DeFi” mà không nói rõ trình độ người nghe, bạn sẽ nhận được câu trả lời chung chung.
Tuy nhiên, có một điểm khác biệt quan trọng. Trong AI, Prompt design có thể được tinh chỉnh liên tục: bạn thử một câu hỏi, thấy kết quả không ưng, sửa lại, hỏi lại. Mỗi lần chỉ mất vài giây. Trong blockchain, mỗi giao dịch sai đều tiêu tốn phí gas và có thể dẫn đến mất tài sản vĩnh viễn. “Lao động ẩn” ở đây không chỉ là công sức tinh thần, mà còn là rủi ro tài chính. Điều này đặt ra một câu hỏi: liệu các giao thức blockchain có thể học từ AI để xây dựng các “reward model” cho người dùng? Hay nói cách khác, liệu có thể thiết kế các smart contract “thân thiện với Prompt” hơn?
Tôi nghĩ đến khái niệm “Account Abstraction” (ERC-4337). Nó cho phép người dùng tạo ví thông minh với logic tùy chỉnh, ví dụ như tự động kiểm tra địa chỉ token trước khi swap, hoặc cảnh báo nếu slippage vượt quá ngưỡng an toàn. Đây giống như một lớp “Prompt template” – người dùng không cần phải tự viết Prompt từ đầu, mà có sẵn một cấu trúc an toàn. Tuy nhiên, Account Abstraction vẫn đang trong giai đoạn đầu, và ít người dùng thực sự hiểu cách cấu hình nó. Lại một dạng “lao động ẩn” khác.
Một hướng khác là các trình gợi ý giao dịch (transaction simulation tools) như Tenderly, Blowfish. Chúng mô phỏng giao dịch trước khi gửi, giúp người dùng thấy trước kết quả. Đây giống như một “reward model” tạm thời: cho bạn biết câu trả lời sẽ như thế nào trước khi bạn thực sự gửi Prompt. Nhưng hiện tại, các công cụ này vẫn chưa được tích hợp vào hầu hết các ví phổ thông. Người dùng phải chủ động copy dữ liệu giao dịch sang một nền tảng khác – một bước “Prompt” bổ sung.
Tôi tin rằng, trong tương lai gần, các giao thức blockchain sẽ phải đầu tư nhiều hơn vào “user-side alignment”. Điều này có nghĩa là: thiết kế các giao diện thông minh hơn, có khả năng hiểu ý định người dùng và tự động thêm các ràng buộc an toàn. Ví dụ, thay vì để người dùng tự nhập địa chỉ token, giao diện có thể tự động tra cứu danh sách token đã được xác minh và chỉ cho phép chọn từ danh sách đó. Hoặc khi người dùng muốn swap một lượng lớn, giao diện có thể đề xuất chia nhỏ giao dịch để giảm slippage. Những cải tiến này không thay đổi logic smart contract, nhưng thay đổi cách người dùng “Prompt” giao thức.
Nhưng cũng cần thận trọng. Prompt design trong AI không phải là vạn năng – nó không thể làm cho mô hình trả lời đúng nếu mô hình chưa từng học kiến thức đó. Tương tự, trong blockchain, giao diện thông minh không thể khắc phục các lỗ hổng trong smart contract. Nếu logic thanh lý của Aave có vấn đề, thì dù người dùng có “Prompt” thế nào cũng không tránh được thảm họa. Vì vậy, alignment từ phía nhà phát triển vẫn là quan trọng nhất. Nhưng khi các giao thức đã được kiểm toán kỹ lưỡng, “user-side alignment” – tức Prompt design – trở thành yếu tố quyết định trải nghiệm.
Tôi kết thúc bài viết này bằng một câu hỏi: nếu mô hình ngôn ngữ lớn cần đến cả một ngành công nghiệp Prompt engineering, thì tại sao blockchain – một hệ thống vốn dĩ khắc nghiệt hơn nhiều – lại chưa có một ngành tương tự? Có lẽ vì chúng ta vẫn còn mải mê với những câu chuyện về “code is law” mà quên mất rằng, giữa người dùng và luật, luôn cần một thông dịch viên. Và thông dịch viên đó, chính là những dòng Prompt mà chúng ta – những người dùng bình thường – phải tự viết mỗi ngày.